一种基于AdaBoost的跨语言情感资源迁移方法

摘要

针对文本情感分类研究中,有情感标注的语料在不同语言中的不均衡问题,提出一种基于AdaBoost的跨语言情感资源迁移策略.首先将目标语言训练集翻译成源语言;再在联合训练集上运用AdaBoost算法;通过设置滑动窗口更新训练集,训练最优弱分类器;最后得到适用于目标语言情感识别的分类器.实验表明,从目标语言到源语言的翻译方法是可行的.基于AdaBoost的分类策略获得了优于BaseLine的正确率和召回率,证明了该方法的有效性.